Sistema di allarme precoce basato su intelligenza artificiale che apprende da situazioni di traffico reali

Un nuovo sistema di allarme precoce per veicoli sviluppato da un team di ricercatori della Technische Universität München (TUM) utilizza l’intelligenza artificiale per apprendere da migliaia di situazioni di traffico reali. Uno studio è stato condotto in collaborazione con il BMW Group, dimostrando che il sistema sarebbe benefico per i veicoli autonomi di oggi. Se utilizzato, può fornire un allarme di sette secondi contro situazioni potenzialmente critiche, che sono situazioni che le auto non possono gestire da sole. Il tasso di accuratezza è stato mostrato essere dell’85%.

Gli sforzi di sviluppo attuali per i veicoli autonomi utilizzano modelli sofisticati che consentono ai veicoli di analizzare il comportamento di tutti i partecipanti al traffico. Tuttavia, la maggior parte di questi modelli non ha ancora dimostrato la capacità di gestire situazioni complesse o imprevedibili.

Il team dietro il nuovo sistema di allarme precoce ha lavorato con il prof. Eckehard Steinbach, presidente della tecnologia dei media e membro del consiglio di amministrazione della Scuola di robotica e intelligenza artificiale di Monaco di Baviera presso la TUM.

La ricerca intitolata “Introspective Failure Prediction for Autonomous Driving Using Late Fusion of State and Camera Information” è stata pubblicata su IEEE Transactions on Intelligent Transportation Systems.

Il nuovo approccio utilizza l’intelligenza artificiale per consentire al sistema di apprendere da situazioni passate. Più specificamente, queste situazioni passate erano quelle in cui le auto autonome hanno raggiunto il loro limite nel traffico reale. Ciò avviene quando i conducenti umani devono prendere il controllo del veicolo, sia perché la macchina segnala loro di farlo o perché il conducente decide che è l’opzione più sicura.

RNN e allarme di sette secondi

Il nuovo sistema si basa su sensori e telecamere che catturano le condizioni circostanti, e i dati di stato come l’angolo dello sterzo, le condizioni della strada e il tempo sono registrati. Il sistema di intelligenza artificiale utilizza una rete neurale ricorrente (RNN), che può elaborare i dati per riconoscere modelli. Ogni volta che il sistema rileva una nuova situazione di guida che non è stata gestita in precedenza, il conducente viene avvertito in anticipo.

“Per rendere i veicoli più autonomi, molti metodi esistenti studiano cosa le auto capiscono attualmente del traffico e poi cercano di migliorare i modelli utilizzati da loro. Il grande vantaggio della nostra tecnologia: noi ignoriamo completamente cosa pensa la macchina. Invece, ci limitiamo ai dati basati su ciò che accade effettivamente e cerchiamo modelli”, afferma Steinbach. “In questo modo, l’intelligenza artificiale scopre situazioni potenzialmente critiche che i modelli potrebbero non essere in grado di riconoscere, o che non hanno ancora scoperto. Il nostro sistema offre quindi una funzione di sicurezza che sa quando e dove le auto hanno debolezze”.

La tecnologia è stata testata con il BMW Group, e i veicoli autonomi su strade pubbliche sono stati analizzati. Ciò è avvenuto durante 2500 situazioni in cui il conducente umano è intervenuto, e lo studio ha dimostrato che il sistema è accurate al 85% e può avvertire i conducenti fino a sette secondi in anticipo.

La tecnologia si basa su grandi quantità di dati, poiché è limitata da quante situazioni il sistema ha visto. I dati sono stati generati essenzialmente da soli, dati il numero di veicoli di sviluppo attualmente su strada.

“Ogni volta che si verifica una situazione potenzialmente critica durante un test drive, otteniamo un nuovo esempio di addestramento”.

Poiché i dati sono archiviati centralmente, l’intera flotta può apprendere da essi.